← 世界模型 / 从表征到预测可见 patch 编码与掩码重建CVPR 2022 · Fig. 1 · p.1 ↗
正式发表 / World Models
MAE
Masked Autoencoders Are Scalable Vision Learners
CVPR · 2022CCF A
快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗
关键框架 FRAMEWORK
仅编码可见 patch,用轻量解码器重建缺失像素;预训练后移除解码器,将编码器迁移到下游任务。
- 01遮挡图像 patch
- 02编码可见内容
- 03重建并迁移编码器
THE IDEA
它在解决什么
仅编码可见 patch,用轻量解码器重建缺失像素;预训练后移除解码器,将编码器迁移到下游任务。
WHY READ IT
为什么放在这条路线
与 DINO 的教师分布匹配对照,MAE 使用像素重建目标;它为机器人视觉预训练提供方法基础。
READ WITH A QUESTION
读的时候,留意什么
图像重建质量与控制效用不是同一指标;原始 MAE 没有机器人动作输出。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器